model是你的模型，把新的自变量按照变量名放在一个data frame里（newdata），比如newdata<-data.frame(x1,x2,x3,x4,x5)
举一个例子吧，比如月度的数据，就是周期为12，它有季节影响。先对其1阶12步差分，通过看acf pac f看是简单加法模型，还是乘法季节模型
如果是乘法模型那就要对季节部分模拟arima模型
季节部分的arima是以周期位置的acf pacf 确定其模型参数 ar ma
seasonal=list(order=c(_,1,_)，period=_)周期是默认的
------------------------------------------------------------
教你一个简单的方法：
forecast包，auto.arima( ) 直接拟合，就会给出系统认为的arima模型的各个参数。
然后 forecast（ h=预测期数）行了。
这是对外行人来说的，
但是如果你真的想学好的话，还需要对模型进行着各种检验，特别是残差。
